1、排序?qū)W習(xí)問題是搜索引擎的核心問題，對它的研究引起了學(xué)術(shù)界和工業(yè)界的廣泛關(guān)注。傳統(tǒng)的排序?qū)W習(xí)算法主要是從充足的已標(biāo)號訓(xùn)練樣本中學(xué)習(xí)排序函數(shù)，然后將其用來預(yù)測同種類型對象構(gòu)成的測試集的排序結(jié)果，它需要滿足的一個(gè)基本假設(shè)是訓(xùn)練集和測試集具有相同的數(shù)據(jù)分布。這樣傳統(tǒng)的排序?qū)W習(xí)方法在應(yīng)用中會遇到三個(gè)瓶頸問題：1）當(dāng)標(biāo)號訓(xùn)練樣本比較有限時(shí)，怎樣保證它的預(yù)測性能?2）當(dāng)訓(xùn)練集和測試集具有不同的分布時(shí)，怎樣進(jìn)行排序預(yù)測?3）對于多種相關(guān)聯(lián)的異構(gòu)對象，怎

2、樣對不同對象進(jìn)行排序？
　　為了解決以上問題，本文討論一類“異構(gòu)網(wǎng)絡(luò)跨域排序?qū)W習(xí)問題”：給定一個(gè)網(wǎng)絡(luò)化（networked）的數(shù)據(jù)集，如果源域和目標(biāo)域中的對象是異構(gòu)的，怎樣通過利用源域中的充足標(biāo)號數(shù)據(jù)來幫助完全沒有或者僅有有限標(biāo)號數(shù)據(jù)的目標(biāo)域中排序函數(shù)的學(xué)習(xí)？它與傳統(tǒng)排序?qū)W習(xí)問題的主要區(qū)別在于：1）目標(biāo)域上標(biāo)號訓(xùn)練樣本比較有限時(shí)，可以充分利用源域上的監(jiān)督信息進(jìn)行知識遷移；2）訓(xùn)練集合和測試集合可以具有不同的數(shù)據(jù)分布；3）對于多種相

3、關(guān)聯(lián)的異構(gòu)對象，可以充分利用非獨(dú)立同分布( non-independent and identically distributed)的對象間的拓?fù)浣Y(jié)構(gòu)來對問題進(jìn)行形式化定義。
　　1)提出一類“異構(gòu)網(wǎng)絡(luò)上的跨域排序?qū)W習(xí)”問題，通過使用遷移學(xué)習(xí)的方法借助相關(guān)域上的標(biāo)號樣本信息來解決目標(biāo)域上標(biāo)號訓(xùn)練樣本不足的問題。
　　2)針對異構(gòu)網(wǎng)絡(luò)上跨域排序?qū)W習(xí)問題中目標(biāo)域不存在標(biāo)號樣本的情況，定義一種新的問題“傳導(dǎo)跨域排序?qū)W習(xí)（trans

4、ductive cross domain ranking）”，并給出解決框架TraRank及兩種不同的實(shí)例化方法。
　　3)針對異構(gòu)網(wǎng)絡(luò)上跨域排序?qū)W習(xí)問題中目標(biāo)域存在有限標(biāo)號樣本的情況，定義一種新的問題“歸納跨域排序?qū)W習(xí)(heterogeneous cross domain ranking)”，并基于正則化方法給出解決框架HCDRank，進(jìn)一步利用異構(gòu)對象間的鏈接信息提升模型的性能。我們對提出的方法進(jìn)行了理論分析并得到它的泛化界以